基于DRNN的纸机定量水分解耦控制仿真分析

针对抄纸过程中具有的强耦合、大时滞特点,提出了一种自适应的PID解耦控制方法,利用对角凹归神经网络(DRNN)来辨识系统模型,通过对PID控制器参数进行调整,实现多变量解耦控制.对纸机定量、水分控制系统的仿真研究结果表明:该方法具有较快的系统响应和抗干扰能力,较好地解决了定量和水分之间的耦合作用.     

基于FNN解耦纸张定量水分控制策略的研究与应用

针对纸张抄造过程中纸张定量与水分之间存在强耦合的问题,提出一种模糊神经网络(Fuzzy Neural Network,FNN)的解耦控制器,首先利用模糊控制对控制系统进行耦合补偿,然后利用神经网络的自学习、自调整能力不断在控制过程中优化模糊控制规则及解耦补偿参数,成功地将纸张抄造过程的多变量系统转变为单变量系统,实现纸张定量、水分之间的解耦。仿真结果表明,采用FNN解耦控制器具有较好的动态响应和较强的鲁棒性。将该策略应用于国内某造纸厂的纸板机控制系统,纸张定量控制精度为±3.9 g/m~2左右,水分控制精度为±1.0%左右,满足该纸机定量水分高精度控制要求。     

纸张多变量控制系统的分析与设计

针对纸张定量、水分和灰分系统的强耦合、时滞特点,运用基于对角递归神经网络的多变量自整定PID控制方法,实时调整PID控制器的参数,实现系统的解耦功能.实验仿真结果表明,该控制方法系统适应能力较强、响应速度快、抗干扰能力强.     

纸张定量水分解耦及滞后控制策略的研究

针对造纸过程中纸张定量与水分之间存在严重耦合的问题,提出了一种基于神经网络的静态解耦方法,成功地将造纸过程的多变量系统变成了单变量系统,实现了定量、水分之间的解耦。同时由于造纸生产过程存在较大滞后,运用增益自适应补偿控制方案,有效地克服了滞后对控制系统稳定性和质量控制的影响。仿真结果表明该系统具有良好的控制效果。     

基于模糊逻辑的纸张定量水分自适应PID控制

针对抄纸过程中定量、水分具有的非线性、时变性、强耦合性等特点,提出一种基于模糊逻辑的自适应控制方法,利用模糊控制理论构建控制模型,实现系统解耦与自适应控制。构建定量水分过程QCS质量控制系统模型,针对纸机定量水分控制系统进行仿真研究。仿真结果表明,该方案可解决定量水分系统的耦合。相较于PID控制,其定量回路、水分回路单位阶跃响应曲线调节时间分别减少了53.6%、56.4%;相较于模糊控制,其调节时间分别减少了17.0%、29.2%。该方案能够对系统进行子组织、自适应控制,减少人工成本、提高系统精度。     

气垫流浆箱压力与纸页定量和水分的仿真控制

基于MATLAB7.0平台,利用GUI设计技术,分别对造纸过程中气垫式流浆箱控制系统和成纸定量水分控制系统进行了计算机模拟仿真.通过开发的仿真软件,比较和验证了PID控制和模型预测控制的不同效果.结果表明,对于气垫式流浆箱和成纸定量水分这类双输入双输出的控制系统,预测控制具有良好的解耦控制作用、系统稳定性及鲁棒性,预测控制效果比较理想.     

造纸过程定量水分神经网络建模和控制

根据纸机定量水分过程的机理,提出了一种新的神经网络建模方法.在此基础上,针对该过程的大滞后、大惯性、强非线性、时变以及多变量耦合的特点,提出了一种包括定量控制和水分控制的多变量神经网络控制策略.利用该控制策略建立的自适应神经网络控制器,可以使成纸的定量和水分维持在设定的范围之内.进一步分析可以得到,该控制器是一个状态和控制作用均可跟踪的伺服系统.实际应用效果非常好.     

一种基于ELMAN神经网络的纸张横幅定量在线解耦方法

针对纸张横幅定量控制所存在的非方、高维强耦合特性,本研究提出了一种基于ELMAN神经网络的多变量解耦策略。具体思路如下：首先引入前置变换因子矩阵对系统进行降维化方,然后针对化方后的系统,将ELMAN神经网络和前馈解耦相结合设计解耦结构,并在此基础上引入参考模型,根据参考模型输出与系统输出之间的差值在线调整网络参数,对系统耦合进行实时补偿以实现系统的在线解耦。通过上述工作将非方高维控制问题转化为单回路群控制问题,大大降低了多输入多输出高维系统控制难度。仿真实验及现场实际应用证明了本研究所提方案的可行性和有效性,定量控制精度提升了42%,并将横幅定量偏差减小到1.88%。     

基于RBFNN的内模控制在气垫式流浆箱中的应用

针对气垫式流浆箱常规控制中总压和浆位之间存在严重耦合的问题,在分析传统解耦控制方案的基础上,提出了一种基于RBF（径向基）神经网络的内模控制系统（IMC）,采用径向基神经网络控制器（RBFNNC）在流浆箱控制中既充当对象模型,又充当控制器,实现了总压和浆位的解耦控制。仿真结果表明,该控制方法具有实现简单、控制效果好的优点。     

基于PID控制和解耦控制的纸机湿部助留控制系统

针对纸机湿部介绍了一种新型助留控制系统，该系统通过使用智能传感器对现场的信号进行采集。当使用常规PID反馈控制算法即通过助留剂的用量来控制白水的总浓度时，会与质量控制系统（QCS）的纸张灰分控制产生强烈的耦合。为减轻这种耦合，本文结合PID反馈控制，采用了解耦控制算法，并取得了良好的控制效果。     

基于卡尔曼预测器的纸张水分和定量预测控制

针对造纸生产线上纸张定量水分控制系统存在的大惯性、大时滞及强耦合问题,提出了一种控制方法。使用静态解耦的办法使得系统分解成为水分和定量两个独立的控制回路,将卡尔曼预测器引入控制回路,利用卡尔曼预测器进行水分、定量值及其控制输出量的最优预测估计,用以抑制大惯性、大时滞环节对生产过程造成的影响。生产实践及仿真对比结果表明控制效果良好。     

气垫式流浆箱解耦控制的分析及应用

在建立气垫式流浆箱数学模型的基础上,利用神经网络原理设计了神经网络解耦控制器。根据总压和浆位给定值以及其输出值,通过自学习、调整网络权值来实现闭环控制的神经网络解耦控制思路,将强耦合的总压和浆位分解为两个单回路PID闭环控制系统。采用PID控制算法对解耦后的两个单回路闭环系统进行常规控制。实际运行效果表明,该控制系统可使总压和浆位的调整互不影响,且系统稳定。     

基于RBF神经网络整定的经纱张力PID控制系统

针对目前国内大多织机经纱张力控制系统采用传统PID控制,对数学模型依赖度高,难于达到较好控制效果的缺陷,提出了一种基于Kalman滤波器的RBF径向神经网络整定的PID控制算法。这种控制算法采用3输入、单输出的RBF径向神经网络对系统性能学习以寻找出最佳的PID组合,Kalman滤波器有效地滤掉了织机中的各种噪声,实现经纱张力值的恒定。仿真实验结果表明,基于神经网络整定的经纱张力控制系统的控制效果和动态性能都明显优于传统PID控制。     

基于RBF神经网络的精密注塑机速度控制研究

文章对采用永磁同步伺服电机（PMSM）驱动定量泵技术的注塑机控制系统,尤其注射速度的控制,提出基于变步长RBF神经网络在线辨识调整PID算法。在MATLAB/Simulink中构建了注射系统模型,仿真结果表明,注射速度跟踪性能好,对外部干扰和参数变化具有较好的适应能力,电机转速随负载需要能作出迅速调整,改变定量泵输出流量,响应速度快,系统无高压节流,实现节能。图6参8     

置换蒸煮锅温度测量方法的改进及锅内温差控制

针对置换蒸煮锅温差难以消除这一难题,在传统蒸煮锅温度测量的基础上,提出一种新的温度测量方法,并将神经网络控制、PID串级控制和解耦控制有机地结合起来,提出一种神经网络PID串级解耦控制系统。解决了蒸煮锅温度控制时滞性、时变性和非线性等问题,应用Matlab仿真比较表明,该控制系统具有更好的动态性能和鲁棒性,其控制效果明显优于常规PID串级控制系统。     

基于S7-300的中小型纸板机QCS系统的设计

设计了基于S7-300PLC的适用于中小型板纸机的QCS系统.该QCS系统部分硬件采用进口配置,并与纸机干燥部和湿部子系统互相通讯应用,对定量水分进行测量和补偿,且将PID控制和模糊控制思想结合应用于定量水分的控制,结合其较强的鲁棒性和自适应功能,有效抑制了定量水分的波动,实现了定量水分的精确测量和控制.